GPU-дан кейін ЖИ үшін жаңа тапшылық — адамдардың қалай жұмыс істейтіні туралы деректер

Подготовлено RD media

ЖИ (жасанды интеллект) әзірлеушілерінде жаңа тапшы ресурс пайда болып отыр — адамдардың нақты қалай жұмыс істейтінін көрсететін жазбалар.

The Information мәліметінше, корпоративтік ішкі деректерге сұраныс күрт өсті. Сатып алушыларды қызметкерлердің хат-хабары, электрондық пошта, бейнеконференция жазбалары, кодтағы өзгерістер тарихы және жұмыс үдерістерінің басқа да сандық іздері қызықтырады.

Басылым мұндай деректерге қызығушылық танытқан компаниялар қатарында OpenAI мен Anthropic-ті атайды.

Себебі — салада чат-боттардан ЖИ-агенттерге көшу жүріп жатыр.

Интернет модельді «бұл не?» деген сұраққа жауап беруге жақсы үйретеді. Ал шотты тексеру, клиент шағымын шешу немесе кодтағы қатені түзету тапсырылған агентке басқа білім қажет: жұмыс нақты қалай орындалатыны туралы білім.

Бұл білімнің көп бөлігі интернетте ешқашан жарияланбаған. Ол компаниялардың ішінде сақталады.

Slack пен электрондық поштада қызметкерлердің мәселені қалай талқылайтыны көрінеді. Git тарихында — қандай шешімдер қате болғаны және олар қалай түзетілгені сақталған. Кеңес жазбаларында — менеджерлердің бірнеше нұсқаның арасынан қалай таңдау жасайтыны бар. Клиенттермен хат-хабарда — қызметкердің мәселені шешімге қалай жеткізетіні көрсетілген.

ЖИ-агенттерін оқыту үшін мұндай тізбектер әдеттегі веб-беттердің үлкен көлеміне қарағанда құндырақ болуы мүмкін.

Нарық жауап бере бастады

Көрсетілетін мысал — Warmly стартапы. HubSpot оны сатып алу туралы келісімнен кейін компанияға Mercor платформасынан ұсыныс түсті. Mercor ЖИ модельдерін оқыту және бағалау жобалары үшін мамандар тартатын платформа болып табылады, ол Warmly-дің код базасы мен жұмыс үдерісі жазбаларын сатып алуды немесе лицензиялауды ұсынды.

Бұл жалғыз қызығушылық емес. Protege деректер брокерінің басшысы Бобби Сэмюэлс The Information-ға компанияның мәмілелерінің жалпы көлемі өткен жылғы шамамен $30 млн-нан биыл кемінде $100 млн-ға дейін өскенін хабарлады.

Нарық әзірге қалыптасу үстінде: жекелеген ұсыныстар мен бір брокердің бизнесінің өсуі корпоративтік деректердің толыққанды нарығы бар екенін дәлелдей алмайды. Бірақ олар бұрын дербес бағасы жоқтың қасында болған ақпараттың енді баға ала бастағанын көрсетеді.

Деректер неге осыншама құнды болды

Адам мәтіндері негізінде ЖИ-ды ауқымды деңгейде дамытуда шектеу пайда болып отыр.

Epoch AI адамдар жасаған сапалы жария мәтіндердің тиімді қорын шамамен 300 трлн токен деп бағалайды. Зерттеушілердің бағалауынша, бұрынғы үрдіс сақталған жағдайда, жария мәтіндік деректер қоры 2026-2032 жылдар аралығында одан әрі ауқымды деңгейде дамытуды шектейтін факторға айналуы мүмкін.

Интернет толыға береді: жаңа мәтіндер, суреттер, бейне, аудио, жабық дерекқорлар және синтетикалық деректер пайда болып жатыр.

Мәселе жылдамдықтар арақатынасында: оқыту деректеріне қажеттілік жаңа сапалы адам мәтінінің пайда болуынан жылдам өсіп келеді.

Бірақ ЖИ-агенттері үшін деректерді компания ішінен іздеудің тағы бір себебі бар.

Оларға жұмыс нәтижесі ғана емес, оған жету жолы да қажет:

тапсырма → талқылау → қате → түзету → шешім

Дәл осындай ақпарат ашық интернетте айрықша аз кездеседі.

Process data — адамдардың жұмысты қалай орындайтыны және шешімдерді қалай қабылдайтыны туралы деректердің — құндылығы модельдерді оқытуға арналған көпжылдық есептеу қуатына деген сұранысқа ілесіп өсуде.

Құндылықпен бірге құқықтық мәселе туындайды

Корпоративтік хат-хабар жұмыс үшін жасалған, ЖИ-ды оқыту үшін емес.

Онда қызметкерлер мен клиенттердің дербес деректері, коммерциялық құпиялар, қаржылық ақпарат, ішкі код және құпиялылық келісімдерімен қорғалған мәліметтер болуы мүмкін.

Мұндай массивті сатып алудың өзі жеткіліксіз. Оны тазалау және дербестендіру қажет, ал сатып алушы оны пайдалануға қажетті құқықтарды алуы тиіс.

Anthropic тарихы оқыту деректерінің шығу тегіндегі қателердің қаншалықты қымбатқа түсетінін көрсетеді.

2026 жылғы 20 шілдеде АҚШ федералды соты Anthropic-тің авторлардың топтық талап арызы бойынша $1,5 млрд-қа жасаған келісімін түпкілікті бекітті. Сот заңды сатып алынған кітаптар негізінде оқытуды fair use шеңберінде жол берілетін деп таныды. Дау миллиондаған заңсыз көшірменің пираттық шығу тегі мен сақталуына қатысты болды.

Корпоративтік деректермен құқықтық конструкция одан да күрделі болуы мүмкін.

Бес қызметкер, клиент және сыртқы мердігер арасындағы жұмыс хат-хабарына құқық кімге тиесілі? Егер сөйлесуге қатысушылар өз хабарламалары ЖИ-ды оқыту материалына айналады деп ешқашан ойламаса, жұмыс берушінің келісімі жеткілікті ме?

Одан да түбегейлі сұрақ бар.

Осылайша, қызметкер жұмыс нәтижесімен қатар компанияға тағы бір ықтимал құнды актив — осы жұмыстың қалай орындалғаны туралы сандық ізді қалдырады.

Бұрын мұндай сандық із дербес коммерциялық актив ретінде сирек қарастырылатын. Енді ол ЖИ-ды оқытуға арналған жеке деректер нарығына айналуы мүмкін.

Есептеу қуаты ЖИ саласындағы жалғыз тапшылық болудан қалып барады.

Адамдардың шешім қабылдау тарихының өзі датасетке айналып отыр.